大数据分析可追溯和预测哪些因素有效，哪些因素无效，并验证积极学习对商业成就的影响。它们可帮助解决如下问题：营销战略中那些因素可使更多的人完成销售任务？对于那些完成附加任务的新服务顾问来说，什么因素可促进其快速成长？

首先，应掌握大数据及分析学。

Jenney Dearborn（SAP的副总裁和首席学习官）邀请一位大数据专家专门训练她和她的团队。她认为，最重要的是具有分析思维，理解这些工具在企业学习职能上方面的使用方法和潜能。

第二，团队里要有数据分析专家。

Kevin Oakes（企业生产力研究所人力资本调查公司CEO）说缺少分析能力是使用大数据的最大拦路虎。将大量数据形成洞察力的能力要求高且很难获得。数据分析师需求旺盛，而很少人研究学习功能。如果雇佣不到数据分析师，建议雇佣一个有数据分析能力的大学生。

一般来说，培养一个数据分析师去研究学习比培养一个学习专家去研究数据分析要容易一些。

第三，学习分析一开始就要考虑商业影响。

不妨思考如下问题：我们学习是要解决什么业务问题？积极学习的影响力会是什么？哪些数据可用于展现积极学习所带来的商业价值？

第四，进行实验。

Dearborn说，在一个重要项目开始之前，先做一个实验，让团队熟悉工具，并对项目开始后出现的任何问题制定预案。

第五，验证数据的正确性。

数据应能具有洞察力并能追溯关键结果。数据应该满足5V原则：容量（volume）——数据量巨大；速度（velocity）——实时数据；种类（variety）——各种类型的数据；价值（value）——相关的数据；真实性（veracity）——可靠的数据。

KnowledgeAdvisors是一个专注于学习和人才的衡量标准的CEB公司，其首席营运官杰弗里·伯克说，要收集对业务成果有可能产生影响的的业务数据，如净推荐者得分、客户满意度、员工敬业度、能力成熟时间和业务调整指标等。一个指标可通过内部比较评估其影响，同时也可以评估其对外部基准或业务目标的影响。

第六，获取你所需要的数据。

数据分析建立在收集组织现存数据基础之上。获取数据的绊脚石显而易见，你会听到如下抱怨：为什么系统不能提供我们需要的数据？为什么职能部门不提供给我们数据？为什么IT花那么长时间才提供我们所需要的数据？

随着时间的推移，你会拥有你所需要的时数据：那些参加过高级销售课程人员的销售数据、管理讲师的KPI、管理者全方位考核及绩效指标等。但获得这些数据集需要与人力资源和IT等业务部门的协作。

第七，清洗数据。

去掉不相干或老的数据，留下所需要的部分。比如，如果你正在收集销售培训的数据，你也许会需要员工个人奖金比例，而不是员工的福利套餐数据。

第八，分析数据。

用统计分析、趋势分析和比较分析等，研究哪部分会出现洞察力。这是最难的部分，但也是奇迹发生的地方。

第九，撰写报告

最后，报告积极学习对高于基线所带来的商业影响，基于你的观察力做出有依据的判断。30年前，关于商业软件我们说过同样的话；20年前是互联网和在线学习；10年前是社交媒体和移动应用；今天是大数据及分析学，将从根本上不断学习。